目录
1.算法概述
“图像配准作为图像处理领域的关键技术之一,是图像拼接、立体视觉、变化监测、多传感器图像融合等实用技术的基础。图像拼接技术是图像配准的一种重要应用形式, 被广泛应用于虚拟现实、遥感图像处理、视频压缩和传输等领域。在图像拼接中,特征点的检测与描述是非常重要的一步,寻找一种鲁棒、快速的特征点检测方法对水下图像拼接来说至关重要。SURF 算法由 Bay 等人提出,该算法使用积分图像对图像进行卷积来提高运算速度,得到的特征点在鲁棒性、重复性和独特性等方面均具有较好优势。并且 Bay 等人已经证明了SURF 算法的快速性以及在计算机视觉领域的实用性。
SIFT算法的过程实质是在不同尺度空间上查找特征点(关键点),用128维方向向量的方式对特征点进行描述,最后通过对比描述向量实现目标匹配。在sift中,是在特征点周围取16*16的邻域,并把该领域化为4*4个的小区域,每个小区域统计8个方向梯度,最后得到4*4*8=128维的向量,该向量作为该点的sift描述子。在surf中,也是在特征点周围取一个正方形框,框的边长为20s(s是所检测到该特征点所在的尺度)。该框带方向,方向当然就是第4步检测出来的主方向了。然后把该框分为16个子区域,每个子区域统计25个像素的水平方向和垂直方向的haar小波特征,这里的水平和垂直方向都是相对主方向而言的。该haar小波特征为水平方向值之和,水平方向绝对值之